多次元自己相関モデルをもちいた脳領域間機能連関評価法の開発

点击翻译按钮获取中文摘要

本研究は、多変量時系列解析の一種である多次元自己相関モデルを脳波時系列に適用することにより、脳領域間の機能連関を客観的かつ適切に評価するための全く新しいアプローチ方法の開発を目的とした。硬膜下電極をもちいて運動対側の左一次運動野と左補足運動野のそれぞれから記録された皮質脳波について、右上腕持続収縮中の機能連関を検討するため、赤池らによって提唱された多変量自己回帰モデルをもちいたフィードバックシステム解析を採用した。情報量基準とユールウォーカー法により多変量自己回帰係数をもとめ、領域間のインパルス応答関数ならびに相対ノイズ寄与率を算出した。さらに情報の流れの方向を明らかにするために、両領域間の相対ノイズ寄与率の非対称性インデックスを計算した。その結果、一次運動野と補足運動野の間には、相互フィードバック関係が存在し、補足運動野が一次運動野に及ぼす影響は、逆方向の影響に比べて有意に大きいことが明らかとなった。次に、非ガウス性・非線形性が強い表面筋電図と、ガウス的な脳波間の機能連関を評価するに、非線形自己相関モデルをもちいた評価法の開発をおこなった。表面筋電図を変数変換した後、その振動特性をExponential autoregressive modelをもちいて記述し、脳波データを外生変数として考慮した場合と考慮しない場合で、いずれのほうが筋電図データをよりよくモデル化できるかを判定することにより、脳波から筋電図への影響を明らかにすることを試みた。現在までの検討では、脳波データが表面筋電図の周波数特性を変化させるような形で作用する乗法型モデルを用いた場合、筋電図の振動特性がもっともよくモデル化されることが明らかとなった。このアプローチをより進めることにより、今後、データ構造が著しく異なる神経活動電位とシナプス後電位の間の機能連関評価に応用できることが期待される。